随着雷达技术的不断发展,相控阵雷达已由原来的单一工作模式,转变为多种工作模式灵活切换,能够根据实时战场环境及作战需求改变雷达各项参数及工作模式,具有极强的适应性。而在电子战中,要想占据主导地位,就需要快速准确的识别出目标雷达的工作模式,以便及时采取相应的应对措施。因此,如何准确识别出相控阵雷达的工作模式,已成为电子作战中亟需解决的难题。本文针对现有的雷达工作模式识别算法多依赖先验知识,主观性强的问题,研究基于动态贝叶斯网络的雷达工作模式识别算法,充分利用雷达样本数据,挖掘数据本身蕴含的规律,构造一个特定的贝叶斯网络。并针对实际战场无法获得充足雷达样本数据问题,提出小样本条件下的雷达工作模式识别贝叶斯网络建模,以提高网络的准确性,从而对雷达工作模式进行推理识别。全文的研究内容主要有以下三个部分:首先,对相控阵雷达工作原理进行分析,以现代电子战中的典型作战任务剖面为切入点,详细分析雷达在一次完整的作战任务中,可能经历的四种典型工作模式;随后提出雷达行为层次模型,研究从雷达脉冲信号到雷达工作模式间的对应关系,为后续建立数据模型以及用贝叶斯网络识别提供依据。其次,对贝叶斯网络的建模进行研究。介绍与贝叶斯网络相关的概念及最简单的贝叶斯网络:朴素贝叶斯网络,然后根据雷达自身及贝叶斯网络结构特点,建立本文所需数据模型。并在雷达工作模式识别这一特定背景下,针对实际战场应用中可能出现的雷达参数错误、缺失及雷达样本数据量小的情况,分别对贝叶斯网络的结构及参数进行学习并对比分析结果,最终得到一个可用于推理工作模式的贝叶斯网络。最后,针对雷达工作模式在时间上具有一定关联性的特点,引入动态贝叶斯网络,并提出动态朴素贝叶斯网络与动态复杂贝叶斯网络,还研究了复杂贝叶斯网络的依赖分布规律及其对推理结果的影响,完成对动态贝叶斯网络的建模。并分别用静态和动态贝叶斯网络对雷达工作模式进行推理识别,其识别正确率分别可达75%和85%左右,还验证了在雷达属性间存在依赖但依赖分布均匀的情况下,朴素贝叶斯网络能够得到与复杂贝叶斯网络接近的推理正确率,证明了用动态朴素贝叶斯网络对雷达进行工作模式识别的可行性。